FIS AI 产品负责人：区块链与人工智能的整合将促进金融科技创新

原作者 | Angad Singh Bagga

编译 | 黑米@白泽研究院

注：Angad 是富达国家信息服务公司（Fidelity National Information System）的高级 AI 产品负责人，负责数据科学和机器学习项目的整体业务。富达国家信息服务是一家提供广泛的金融产品和服务的跨国公司，产品涵盖银行技术、支付技术、资本市场、信息服务等多个领域。其中在资本市场领域，该公司每年为全球 20,000 多个客户处理约 750 亿笔交易，促进了约 9 万亿美元的流动。值得一提的是，富达国家信息服务公司≠富达国际投资集团。

正文

区块链和人工智能（AI）是 21 世纪最具革命性的两项技术。人们普遍认为，这两个大趋势的交汇可以带来“第四次工业革命”。根据技术研究公司 Gartner 的看法，由区块链和人工智能单独产生的商业价值将迅速增长。他们预测，到 2025 年，区块链市场规模将达到 1760 亿美元，到 2030 年将达到 3.1 万亿美元。此外，到 2025 年，人工智能软件市场规模将达到近 1348 亿美元。

区块链和人工智能在各个领域都有大量的应用。在本文中，我们将把金融科技作为一个领域进行介绍，以及这两种技术的整合将如何有助于促进创新。

通过区块链可以创建一个去中心化的生态系统，从而消除对集中控制机构的需求。人工智能架构可以在这个去中心化的生态系统之上创建。

首先让我们快速了解区块链和人工智能。

什么是区块链？

我们都知道流行的加密资产，如比特币、以太坊等，这些都是基于区块链的代币，但区块链不仅仅是加密资产。

区块链是一种安全共享的去中心化的数据账本。

区块链技术支持一组特定的参与方共享数据。它可以收集和共享多个来源的事务数据，能够将数据细分为以加密哈希形式的唯一标识符链接在一起的共享区块，并通过单一信息源确保数据完整性，消除数据重复，提高数据安全性。

在区块链系统中，未经法定人数许可，数据将无法更改，这一特点有助于防范欺诈和数据篡改。换言之，区块链账本可以共享，但不能更改。如果有一方尝试更改数据，区块链所有参与方都将收到警报，知晓哪一方试图更改数据。

以下定义有助于您进一步理解区块链和区块链的底层技术以及使用场景。

· 去中心化信任：很多企业之所以采用区块链技术而不是其他数据存储技术，主要原因就是区块链不依赖中心化权威就能保证数据完整性，即基于可靠数据实现去中心化信任。

· 区块：区块链顾名思义就是将数据存储在区块中，然后每一个区块都与前一个区块连接，组成链状结构。它仅支持添加新的区块，一旦添加，就无法修改或删除。

· 共识算法：共识算法负责区块链系统内的规则执行。当各参与方为区块链设置规则后，共识算法将确保各方遵守这些规则。

· 区块链节点：区块链节点负责存储数据区块，是区块链中的存储单元，可保持数据同步和始终处于最新状态。任意节点都可以快速确定是否有区块发生了变更。当一个新的全节点加入区块链网络时，它会下载当前链上所有区块的副本。而当新节点与其他节点同步并更新至最新的区块链版本后，它可以像其他节点一样接收任意的新区块。

什么是人工智能？

艾伦·图灵（英国数学家和人工智能之父）曾提出一个重要问题：“机器会思考吗？”。他在 1950 年发表了一篇重要论文，主题为“计算机与智能”，这导致了“思维机器”（也称为人工智能）的成立。人工智能利用计算机和机器来模仿人类思维的解决问题和决策能力。

今天，我们在人工智能领域取得了巨大的进步。现在计算机/程序不仅可以做他们被告知要做的事情（基于规则的 AI 或编程），它还可以自己思考并提供推荐（推荐引擎），识别图像和视频（openCV），理解一个人的情绪或自然语言处理（NLP），防止欺诈，回答你的查询，并且可以大规模解决许多更复杂的用例，这些用例几乎不可能使用基于规则的编程或人类思维来解决。

人工智能在区块链中的金融科技应用

1. 加密量化和算法交易：

机器学习在加密生态系统中具有实际意义。通过历史趋势、技术指标和市场情绪，可以为交易者提供对加密资产的预测性见解。

例如，通过 API 加密机器人可以实时收集数据。通过机器学习，机器人可以提供可操作的指标或结论，称为交易信号。该机器人可以单独运行，也可以集成到加密交易平台中。这些机器人不仅可以预测未来价格，还可以自动化交易。根据预测的准确性，用户可以实现一定的盈利。

截至 2022 年 3 月，加密市场上存在近 18000 多种加密资产，其中 10000 多种还处于活跃状态。这些机器人适用于具有大型用户生态系统和更不稳定的加密资产。

2. 有效的数据/模型共享：

数据是人工智能或机器学习模型最重要的资源。数据的质量和数量直接影响二者的准确性，但目前共享数据的过程并不高效。由于数据提供者之间互不信任，因此很难使用传统方法对数据进行授权或验证，但事实证明，一些基于区块链的解决方案能够使用去中心化的数据操作来解决这个问题。

解决方案的重点是开发一个基于区块链的市场，数据提供者和人工智能/机器学习模型将能够使用区块链智能合约相互合作和交易。

金融机构可以通过区块链安全地共享数据、算法和计算。

Ocean Protocol 和 NUMERAI 等平台提供商是该领域的一些主要参与者。

例如，在 NUMERAI 中，他们甚至在经济/金融行业也发挥了作用，特别是在对冲基金领域。NUMERAI 的目标是创建由人工智能驱动的、世界上最大的众包对冲基金。通过将对冲基金数据上传到数据市场，成千上万的数据科学家在其中相互协作并测试模型以预测股票市场。

3. 通过联邦学习构建开放式银行：

一般来说，你的财务数据归银行/金融机构所有，并保留在它们的记录数据库中，但开放式银行概念允许其用户拥有他们的银行数据。

可以预见的是，通过联邦学习（Federated Learning），我们将在金融机构拥有去中心化（无所有者）的数据所有权。

联邦学习本质上是一种分布式机器学习技术，目的是在保证数据隐私安全及合法合规的基础上，实现共同建模，提升人工智能的效果。

换句话说，联邦学习使数据所有者能够进行模型训练，而无需将其原始数据传输到第三方服务器。这种分布式的学习框架允许用户在保护私的同时为他们提供基于人工智能的推荐和服务。

简而言之，机器学习模型可以在分散式架构中进行训练。通常我们聚合数据来训练模型，但在这种情况下，模型会发送给个人数据所有者。然后在每个数据节点上对模型进行训练，将更新的权重发送到协调器并为最终模型取平均值。

因此，在这种方法中，数据永远不会离开其原始所有者的手中，这使得这种方法高度安全。在不影响模型性能的情况下，数据所有者和数据科学家之间也存在信任。

4. 链上分析

由于区块链的完全透明性，参与者可以看到区块链上发生的所有交易和活动，以及某些钱包的总余额和持有量。分析区块链上的所有活动和数据，生成市场情绪和投资决策等有见地的观点，这就是我们所说的链上分析。

许多基本的链上分析工具，例如用于以太坊区块链的 EtherScan 或用于 Avlanche 区块链的 SnowTrace，都是免费的区块链浏览器，允许跟踪各自区块链上的所有交易。许多平台利用这些工具，同时利用机器学习和聚合数据节点，将其平台作为服务提供给消费者。以下是一些最受欢迎的：

· Glassnode

· IntoTheBlock

· Nansen

· Dune Analytics

· Messari

正如我们所提到的，这些平台中有许多正在利用人工智能和机器学习来生成市场洞察力，并根据其链上分析对潜在的投资机会提出建议。例如，他们可以利用机器学习找到“历史上表现良好且领先于市场的钱包”，并根据这些钱包的资产配置变化提出新的投资建议。

另一方面，尽管匿名性是区块链和加密资产的巨大价值主张，但它确实增加了洗钱和其他非法活动的风险。CipherTrace 的 2020 年加密资产犯罪和反洗钱报告显示，这一年中，加密资产盗窃、黑客攻击和欺诈行为总计 19 亿美元。这就是链上分析+机器学习可能被证明是有用的地方。机器学习可以帮助发现人类可能不会注意到的模式，例如检测加密钱包与其他账户或与已知犯罪活动有关的钱包的互动。通过使用链上的机器学习，金融机构和交易所将更好地了解每笔交易所涉及的风险，此外，随着误报率的降低，所需的人工审查工作将显著减少。

总体而言，我们认为机器学习的链上用例仅处于起步阶段，并将与加密行业一起成熟。

5. 未来 Web 3 和智能区块链

正如网络、存储和操作系统等软件基础设施正在变得智能化一样，下一代 Layer1（基础）和 Layer2（配套）区块链可能会将机器学习驱动作为一个原生的功能。

让我们想象当一个区块链运行时，它使用机器学习预测交易以在未来启用大规模可扩展的共识协议；Web3 的智能合约协议将具有机器学习功能，例如某个借贷协议，它使用人工智能来平衡不同钱包的借贷类型；甚至智能 DApps（去中心化应用程序）也将很快成为一种趋势。

总而言之，在包括金融科技在内的各个行业中，集成区块链和人工智能技术具有巨大的潜力。尽管现在的区块链已经实现了部分的有效协作和智能自动化，但未来集成了人工智能和机器学习的区块链将变得更加智能。

风险提示：

根据央行等部门发布的《关于进一步防范和处置虚拟货币交易炒作风险的通知》，本文内容仅用于信息分享，不对任何经营与投资行为进行推广与背书，请读者严格遵守所在地区法律法规，不参与任何非法金融行为。